Gemini 3.8 Live ra mắt, thông tin về ‘Live Avatar’ chưa được Google xác nhận

Google đã công bố mô hình Gemini 3.8 Live hỗ trợ hội thoại bằng giọng nói theo thời gian thực và xử lý thông tin hình ảnh. Tuy nhiên, việc tính năng hình đại diện video ‘Live Avatar’ đã được phát hành chính thức hay chưa vẫn chưa được xác nhận trong các tài liệu của Google.

Ngày 15, Google giới thiệu Gemini 3.8 Live và Gemini 3.8 Live Extended Thinking. Hai mô hình được thiết kế để duy trì hội thoại bằng giọng nói, xử lý thông tin hình ảnh và gọi công cụ cùng API ở chế độ nền trong khi trò chuyện.

Đối với dịch vụ doanh nghiệp, chương trình xem trước riêng tư đã bắt đầu dành cho Gemini Enterprise. Tính năng này cũng dự kiến được cung cấp cho dịch vụ trải nghiệm khách hàng Gemini Enterprise.

Động thái này là bước xác nhận tiếp theo sau thông tin Google công bố hai mô hình Gemini 3.8 Live hỗ trợ hội thoại bằng giọng nói theo thời gian thực và suy luận mở rộng. Vấn đề được quan tâm là tính năng hình đại diện video có thực sự được phát hành cùng mô hình hay không.

Crypto Briefing đưa tin ngày 24 rằng Google đã công bố tính năng hình đại diện video theo thời gian thực dành cho doanh nghiệp mang tên ‘Live Avatar’. Tính năng này được giới thiệu là hỗ trợ đồng bộ khẩu hình và biểu cảm của hình đại diện với giọng nói, quản trị dữ liệu doanh nghiệp và watermark SynthID.

Tuy nhiên, thông cáo chính thức của Google và tài liệu dành cho nhà phát triển không đề cập đến tính năng hoặc sản phẩm riêng mang tên ‘Live Avatar’. Các thông tin về danh sách cho phép hình đại diện tùy chỉnh, SynthID áp dụng cho toàn bộ video được tạo và lịch phát hành hình đại diện video dành cho khách hàng doanh nghiệp cũng chưa được xác nhận theo cách tương tự.

Số liệu về hỗ trợ ngôn ngữ cũng khác nhau giữa các tài liệu. Thông cáo về Gemini 3.8 Live của Google cho biết mô hình có thể tự động phát hiện và chuyển đổi giữa 97 ngôn ngữ trong cuộc hội thoại, trong khi tài liệu Gemini Live API nêu con số 99 ngôn ngữ.

Hai con số này có thể áp dụng cho các đối tượng khác nhau. Chưa có căn cứ cho thấy khả năng hỗ trợ 99 ngôn ngữ của Live API được áp dụng nguyên vẹn cho tính năng hình đại diện video.

Trong các tài liệu chính thức, đối tượng được xác nhận áp dụng SynthID là âm thanh do AI tạo ra. Google cho biết watermark khó nhận biết đối với con người được chèn vào đầu ra bằng giọng nói nhằm hỗ trợ nhận diện nội dung do AI tạo.

Do đó, cần phân biệt tuyên bố ‘SynthID được áp dụng cho toàn bộ video được tạo’ với watermark âm thanh. Việc công nghệ tương tự có được áp dụng cho hình đại diện video hay không vẫn cần một thông báo riêng.

Điều này không có nghĩa Google chưa cung cấp hình đại diện AI cho doanh nghiệp. Google Vids đã có tính năng hình đại diện AI tùy chỉnh để tạo video thuyết trình dựa trên kịch bản, đồng thời cho phép phản ánh logo và bối cảnh của doanh nghiệp.

Video được tạo bằng Google Vids có áp dụng watermark SynthID. Tuy nhiên, đây là công cụ sản xuất video, khác với dịch vụ hình đại diện có khả năng hội thoại bằng giọng nói theo thời gian thực như Gemini 3.8 Live.

Nhà phát triển có thể sử dụng Gemini 3.8 Live trên Gemini API và Google AI Studio. Google nhấn mạnh tương tác theo thời gian thực dựa trên giọng nói và khả năng hiểu ngữ cảnh hình ảnh là các tính năng chính.

Các thông tin về trường hợp sử dụng thực tế của khách hàng doanh nghiệp, giá cả, khu vực cung cấp và phương thức truy cập API dành cho hình đại diện video vẫn chưa được công bố. Một bài đăng giới thiệu các tính năng liên quan đã được chia sẻ trong cộng đồng Reddit, nhưng không thể xác nhận việc phát hành chính thức hoặc thông số kỹ thuật chỉ dựa trên bài đăng mạng xã hội.

Hiện các tài liệu chính thức của Google chỉ xác nhận việc ra mắt Gemini 3.8 Live và mô hình suy luận mở rộng, cùng chương trình xem trước riêng tư của AI giọng nói dành cho doanh nghiệp. Việc ‘Live Avatar’ đã được phát hành chính thức và các thông số chi tiết của tính năng video vẫn cần chờ thông báo bổ sung từ Google.